Wstęp

Celem raportu jest omówienie wyników badania PISA z 2018 roku poprzez przedstawienie osiągnięć polskich uczniów na tle młodzieży z sąsiednich państw: Niemiec, Czech, Słowacji, Ukrainy, Białorusi i Rosji. Wykorzystane przez nas dane są dostępne na stronie: https://www.oecd.org/pisa/data/2018database/ pod nazwą Student questionnaire data files.

Wyniki

Postanowiliśmy przyjrzeć się temu, ile czasu uczniowie spędzają ucząc się oraz jakie wyniki osiągają w matematyce, naukach przyrodniczych i rozumieniu tekstu czytanego.

Czas poświęcany na naukę

Poniższy wykres przedstawia ilość czasu poświęcanego na naukę w ciągu tygodnia przez uczniów z Polski oraz państw sąsiednich.

stud <- read_sas("stud.sas7bdat")

wybrane <- stud %>% 
  select("CNT", "TMINS") %>% 
  filter(CNT %in% c("POL","DEU","CZE","SVK","UKR","BLR","LTU","RUS"))

wybrane$CNT <- str_replace_all(wybrane$CNT,"BLR","Białoruś")
wybrane$CNT <- str_replace_all(wybrane$CNT,"LTU","Litwa")
wybrane$CNT <- str_replace_all(wybrane$CNT,"RUS","Rosja")
wybrane$CNT <- str_replace_all(wybrane$CNT,"UKR","Ukraina")
wybrane$CNT <- str_replace_all(wybrane$CNT,"DEU","Niemcy")
wybrane$CNT <- str_replace_all(wybrane$CNT,"CZE","Czechy")
wybrane$CNT <- str_replace_all(wybrane$CNT,"SVK","Słowacja")
wybrane$CNT <- str_replace_all(wybrane$CNT,"POL","Polska")

plot_ly(
  data = wybrane, 
  x = ~CNT,
  y = ~TMINS,
  color = ~CNT,
  type = "box",
  marker = list(size = 2, line = list(color = 'black', width = 0))
) %>% layout(
  title = "Czas poświęcany na naukę w minutach w ciągu tygodnia",
  xaxis = list(title = "Państwo"),
  yaxis = list(range = c(0, 3100), title = "Czas w minutach"),
  updatemenus = list(
    list(
      x = 1.19, y = 0.3,
      type = 'buttons',
      buttons = list(
        list(method = "restyle",
             args = list("type", "box"),
             label = "Boxplot"),
        list(method = "restyle",
             args = list("type", "violin"),
             label = "Violinplot")
      ))
  ))

Rozumowanie matematyczne i w naukach przyrodniczych

Drugi wykres przedstawia średni wynik w badaniu umiejętności matematycznych i dotyczących nauk przyrodniczych wśród uczniów z wybranych państw. Zgodnie z opisem zamieszczonym na stronie https://www.oecd.org/pisa/data/httpoecdorgpisadatabase-instructions.htm, wyniki dla poszczególnych uczniów mogą nie odzwierciedlać prawdziwego poziomu umiejętności i dopiero średnia dobrze obrazuje zdolności całej badanej populacji.

punkty <- stud %>% 
  filter(CNT %in% c("POL","DEU","CZE","SVK","UKR","BLR","LTU","RUS")) %>% 
  mutate(srednia_mat = (PV1MATH + PV2MATH + PV3MATH + PV4MATH + PV5MATH + PV6MATH + PV7MATH + PV8MATH + PV9MATH + PV10MATH)/10) %>% 
  mutate(srednia_science = (PV1SCIE + PV2SCIE + PV3SCIE + PV4SCIE + PV5SCIE + PV6SCIE + PV7SCIE + PV8SCIE + PV9SCIE + PV10SCIE)/10) %>% 
  group_by(CNT) %>%
  summarise(mat = mean(srednia_mat), science = mean(srednia_science))

punkty$CNT <- str_replace_all(punkty$CNT,"BLR","Białoruś")
punkty$CNT <- str_replace_all(punkty$CNT,"LTU","Litwa")
punkty$CNT <- str_replace_all(punkty$CNT,"RUS","Rosja")
punkty$CNT <- str_replace_all(punkty$CNT,"UKR","Ukraina")
punkty$CNT <- str_replace_all(punkty$CNT,"DEU","Niemcy")
punkty$CNT <- str_replace_all(punkty$CNT,"CZE","Czechy")
punkty$CNT <- str_replace_all(punkty$CNT,"SVK","Słowacja")
punkty$CNT <- str_replace_all(punkty$CNT,"POL","Polska")

plot_ly(
  data = punkty,
  x = ~science,
  y = ~mat,
  color = ~CNT,
  type = "scatter",
  size = 20
)%>% layout(
  title = "Wyniki w rozumowaniu matematycznym i w naukach przyrodniczych",
  xaxis = list(title = "Nauki przyrodnicze"),
  yaxis = list(title = "Matematyka"))

Rozumienie czytanego tekstu

Kolejny wykres przedstawia średni wynik w rozumieniu czytanego tekstu dla uczniów z poszczególnych państw.

czytanie <- stud %>% 
  filter(CNT %in% c("POL","DEU","CZE","SVK","UKR","BLR","LTU","RUS")) %>% 
  mutate(srednia_read = (PV1READ + PV2READ + PV3READ + PV4READ + PV5READ + PV6READ + PV7READ + PV8READ + PV9READ + PV10READ)/10) %>%
  group_by(CNT) %>%
  summarise(read = mean(srednia_read))

czytanie$CNT <- str_replace_all(czytanie$CNT,"BLR","Białoruś")
czytanie$CNT <- str_replace_all(czytanie$CNT,"LTU","Litwa")
czytanie$CNT <- str_replace_all(czytanie$CNT,"RUS","Rosja")
czytanie$CNT <- str_replace_all(czytanie$CNT,"UKR","Ukraina")
czytanie$CNT <- str_replace_all(czytanie$CNT,"DEU","Niemcy")
czytanie$CNT <- str_replace_all(czytanie$CNT,"CZE","Czechy")
czytanie$CNT <- str_replace_all(czytanie$CNT,"SVK","Słowacja")
czytanie$CNT <- str_replace_all(czytanie$CNT,"POL","Polska")

plot_ly(
  data = czytanie,
  y = ~read,
  x = ~CNT,
  color = ~CNT,
  type = "bar",
  size = 20
)%>% layout(
  title = "Wyniki w czytaniu ze zrozumieniem",
  xaxis = list(title = "Państwo"),
  yaxis = list(title = "Wynik"))

Wnioski

Polscy uczniowie uzyskali najlepsze wyniki w rozumowaniu matematycznym i czytaniu, natomiast w naukach przyrodniczych lepsi byli tylko Czesi. Te dwa państwa, wraz z Niemcami, wypadły najlepiej. Uczniowie z pozostałych krajów osiągali słabsze wyniki. Natomiast czas poświęcany na naukę jest podobny we wszystkich rozpatrywanych państwach. Na Litwie jest on wyraźnie najmniej zróżnicowany. Uczniowie z Polski uczą się stosunkowo długo w porówaniu do swoich rówieśników z sąsiednich krajów.